[发明专利]风电-负荷场景的极限传输功率的计算方法

权利要求书

1.风电-负荷场景的极限传输功率的计算方法，其特征在于，包括：

获取在线的风电-负荷、存储的所有场景簇及每个场景簇的聚类中心；

采用滤波式特征选择算法提取风电-负荷的所有运行特征参数中与极限传输功率相关的相关运行特征参数；

计算风电-负荷与每个场景簇的聚类中心的距离，并将距离风电-负荷场景最近的聚类中心所在的场景簇作为风电-负荷的归属场景；

根据所述归属场景，获取与其对应场景簇的极限传输功率模型：

E(x)＝φ(ω·x+b)β

其中，ω，b分别为单层前馈网络的输入层到隐层的权值矩阵和阈值向量；β为单层前馈网络的隐层到输出层的权值矩阵，φ(·)为单层前馈网络的输入层到隐层的激励函数；x为相关运行特征参数；

根据提取的相关运行特征参数和极限传输功率模型计算风电-负荷场景的极限传输功率。

2.根据权利要求1所述的风电-负荷场景的极限传输功率的计算方法，其特征在于，所述场景簇的极限传输功率模型的构建方法包括：

获取若干历史记录的风电-负荷数据，并采用K-medoids聚类方法对所有的风电-负荷进行场景聚类，得到若干场景簇；

计算每个场景簇的最大偏移半径并使风电出力和负荷需求分别在和范围内随机波动；

采用潮流计算工具计算初始出力在[80％,120％]倍范围内波动的发电机与每个风电-负荷构成的随机工况的潮流，并记录该随机工况下的风电-负荷的全部运行特征参数；

采用极限传输功率计算方法计算每个风电-负荷的极限传输功率，并计算风电-负荷的每个运行特征参数与风电-负荷所在场景簇的聚类中心相对应的运行特征参数间的参数偏差；

采用预测目标和参数偏差作为输入特征，采用同一场景簇的所有风电-负荷构建大数据知识表：

其中，F_i^k为第i个风电-负荷的第k个运行特征参数；为所在场景簇的聚类中心样本的第k个运行特征参数；T_i为第i个风电-负荷的预测目标；P_i^TTC为第i个风电-负荷的极限传输功率；为所在场景簇的聚类中心样本的目标特征，即指代极限传输功率TTC；

根据大数据知识表，采用滤波式特征选择算法提取风电-负荷的所有运行特征参数中与极限传输功率相关的相关运行特征参数；

将同一场景簇中所有风电-负荷的相关运行特征参数输入差分进化极限学习机，并采用差分进化极限学习机构建每个场景簇的极限传输功率模型：

E(x)＝φ(ω·x+b)β。